AI i skyen: Hvordan overvinne barrierer og realisere potensialet?

Virksomheter og organisasjoner har erkjent behovet for å ta i bruk virksomhetsspesifikk kunstig intelligens (AI) for å automatisere og effektivisere forretningsprosesser. Kommersiell eller forbrukerrettet AI og virksomhetsspesifikk AI er to ulike anvendelser av kunstig intelligens. Mens kommersiell og forbrukerrettet AI omfatter generelle AI-verktøy og plattformer tilgjengelige på markedet og til forbrukere, fokuserer virksomhetsspesifikk AI på skreddersydde løsninger utviklet for en bestemt virksomhets unike behov og utfordringer. Denne spesifikke tilpasningen innebærer dyp integrasjon med virksomhetens prosesser og datakilder. I tillegg krever utvikling, drift og vedlikehold av virksomhetsspesifikk AI en kompleks IT-infrastruktur, stor datakraft og tilstrekkelig IT-ekspertise – noe som gjør det uoppnåelig for mange organisasjoner. I denne artikkelen refererer AI til maskiner som er programmert til å automatisere, lære og utføre oppgaver som vanligvis krever menneskelig intelligens. Virksomhetsspesifikke AI-løsninger er utviklet for å etterligne kognitive funksjoner som problemløsning, beslutningstaking, språkforståelse og persepsjon, ved å bruke algoritmer, data og beregningskraft til å analysere informasjon, gjøre prediksjoner og automatisere prosesser.

AI-investeringer og implementeringssvikt

De store datamengdene som genereres fra forbrukere, informasjonssystemer, sensorer og internett, har blitt en kritisk forretningsressurs, populært kalt «den nye oljen». Men, AI-implementeringer er ikke en dans på roser. 

En Accenture-rapport fra 2019 analyserte 1500 selskaper som samlet brukte 306 milliarder dollar på AI-applikasjoner fra 2017 til 2019. I tillegg estimerer Harvard Business Review at AI vil legge til 13 billioner dollar i den globale økonomien innen 2030. Dette indikerer at AI er en høyt prioritert forretningsoppgave. Selv om store mengder penger investeres i AI, oppnår mange selskaper ikke den forventede verdien. En undersøkelse fra Deloitte med 152 AI-prosjekter rapporterte at 47% av toppledere hadde vanskeligheter med å integrere AI med eksisterende prosesser. Forbes (2020) fant at bare 14% av selskaper i USA har implementert virksomhetsspesifikk AI i produksjon, noe som indikerer at mange organisasjoner fortsatt ikke klarer å ta i bruk AI og utnytte dets fulle potensiale. 

AI + sky = sant

For å bøte med noen av utfordringene knyttet til å utvikle og vedlikeholde AI-løsninger, har adopsjon av AI-verktøy levert gjennom skytjenester, skutt i været. Flere skyleverandører som Amazon, Microsoft, Google og IBM har begynt å tilby AI-tjenester og produkter. Skyens distribusjonsmodeller, Infrastruktur som en tjeneste (IaaS), Plattform som en tjeneste (PaaS) og Programvare som en tjeneste (SaaS), tilbyr ulike nivåer av AI-tjenester. IaaS leverer virtualiserte databehandlingsressurser over internett og spesialisert maskinvare for å bygge og trene maskinlæringsmodeller og algoritmer. PaaS gir utviklingsverktøy og driftsmiljøer som hjelper utviklere med å implementere kode for AI-funksjonalitet. Til slutt tilbyr SaaS AI-programvaretjenester, ferdige AI-verktøy og ferdigopplærte maskinlæringsmodeller, også kalt AI-hyllevare. Men, på grunn av mangelen på tilpasningsmuligheter og kontroll over ferdigbygde løsninger, fokuserer denne artikkelen på IaaS- og PaaS-relaterte tjenester. Å selv utvikle, administrere og vedlikeholde forretningstilpassede AI-løsninger gir større mulighet til å oppfylle en virksomhets faktiske behov. 

Data er en kritisk forretningsressurs og informasjonsforvaltning er grunnlaget for god data

Skytjenester forenkler deling, distribusjon og lagring av data, og stordata-analyse (BDA) er et krav for avansert AI. Data er en verdifull ressurs som organisasjoner må håndtere og utnytte på en effektiv måte, nettopp fordi datakvalitet direkte påvirker nøyaktigheten til algoritmer. Ustrukturert data, dårlig datakvalitet utgjør store utfordringer for utvikling av AI-løsninger, da de krever enorme ressurser for å få tilgang til og organisere nye data. God informasjonsforvaltning blir dermed avgjørende for å kunne dra nytte av disse dataene og for å sikre at de er pålitelige, tilgjengelige og relevante for beslutningstakere. Videre må dataene som kreves for AI-anvendelser, være tilgjengelige i skyen. Dette stiller krav til effektiv migrering, lagring og sikkerhet. Videre utgjør GDPR-samsvar en stor utfordring. GDPR-reguleringer krever at organisasjoner begrunner hvorfor og hvordan data brukes på nytt. Dette prinsippet er kjent som «formålsbegrensning» og er en av de grunnleggende prinsippene i GDPR. Et konvensjonelt informasjonssystem behandler, forvalter og lagrer data og informasjon, mens maskinlæring bruker data. Dette betyr at organisasjonen må ha gode begrunnelser og få godkjenning til å bruke innsamlede data til å utvikle maskinlæringsmodeller. 

God informasjonsforvaltning kan bøte med utfordringene da det innebærer å kartlegge og dokumentere data som organisasjonen samler inn, lagrer, behandler og deler. En grundig kartlegging gjør det enklere å vite hvor dataene er, hvordan de brukes og gjenbrukes, noe som er nødvendig for å overholde GDPR. 

God informasjonsforvaltning bidrar også til å sikre at organisasjonen kan opprettholde og utnytte verdifulle dataressurser over tid, uavhengig av endringer i teknologi eller ledelse. Informasjonsforvaltning er kritisk for at organisasjoner kan tilpasse seg et stadig skiftende forretningsmiljø. Det berører alle aspekter av virksomheten, fra strategisk planlegging og beslutningstaking til daglig drift.

Kilder:

Deloitte. 2018. “State of AI in the Enterprise, 2nd Edition Early Adopters Combine Bullish Enthusiasm with Strategic Investments.” 

Fountaine, Tim, Brian McCarthy, and Tamim Saleh. 2019. “Building the AI-Powered Organization.” https://hbr.org/2019/07/building-the-ai-powered-organization.

Reilly, A., Depa, J. and Douglass, G. 2o19. AI: BUILT TO SCALE: From experimental to exponential. rep. Accenture, P. 6. https://www.accenture.com/content/dam/accenture/final/a-com-migration/thought-leadership-assets/accenture-built-to-scale-pdf-report.pdf 

Press, Gil. 2020. “AI Stats News: Only 14.6% Of Firms Have Deployed AI Capabilities In Production.” January 13, 2020. https://www.forbes.com/sites/gilpress/2020/01/13/ai-statsnews-only-146-of-firms-have-deployed-ai-capabilities-in-production/?sh=651a4797265